Портал психологических изданий PsyJournals.ru
Каталог изданий 107Рубрики 53Авторы 8884Новости 1776Ключевые слова 5095 Правила публикацииВебинарыRSS RSS

РИНЦ

0,727 — двухлетний импакт-фактор

Моделирование и анализ данных

Издатель: Московский государственный психолого-педагогический университет

ISSN (печатная версия): 2219-3758

ISSN (online): 2311-9454

DOI: https://doi.org/10.17759/mda

Лицензия: CC BY-NC 4.0

Издается с 2011 года

Периодичность: 4 номера в год

Язык журнала: русский

Доступ к электронным архивам: открытый

 

Задачи анализа и прогнозирования деятельности IT компании c использованием методов машинного обучения 114

Алексейчук А.С.
кандидат физико-математических наук, старший преподаватель каф. «Математическая кибернетика», Московский авиационный институт (национальный исследовательский университет), Москва, Россия
e-mail: alexejchuk@gmail.com

Виноградов В.И.
кандидат физико-математических наук, доцент каф. «Математическая кибернетика», Московский авиационный институт (национальный исследовательский университет), Москва, Россия
e-mail: vvinogradov@inbox.ru

Данякин К.Д.
студент, Московский авиационный институт (национальный исследовательский университет), Москва, Россия
e-mail: kirill.danyakin@yandex.ru

Аннотация

В статье рассмотрены задачи применения методов машинного обучения, используемые для повышения эффективности бизнес-процессов работы с клиентами в IT-компании. Рассмотрено применение двух моделей машинного обучения: кластеризация клиентской базы и прогнозирование выручки.

Ссылка для цитирования

Благодарности

Авторы благодарят за предоставленные данные генерального директора компании «ОВИОНТ ИНФОРМ» Артамонова Г.Ф.

Фрагмент статьи

В данной статье описаны некоторые задачи анализа деятельности IT-компании методами машинного обучения для решения прикладных задач анализа данных по клиентам и продуктам, необходимых для повышения эффективности бизнес-процессов в IT-компании при работе с клиентами при продвижении программных продуктов и сервисов. Компания занимается разработкой и распространением электронных сервисов.

Литература
  1. Dubes R.C., Jain A.K. Algorithms for Clustering Data. Englewood Cliffs: Prentice Hall, 1988.
  2. Shlens J. A tutorial on principal component analysis. Institute for Nonlinear Science, UCSD, 2005.
  3. Rui Xu, Wunsch D. Survey of clustering algorithms. IEEE Transactions on Neural Networks, vol. 16, no. 3, 2005. pp. 645–678.
  4. Wang L., Leckie C., Ramamohanarao K., Bezdek J. Automatically Determining the Number of Clusters in Unlabeled Data Sets. IEEE Transactions on Knowledge and Data Engineering, vol. 21, 2009. p. 335–350.
  5. Rousseeuw Peter J. Silhouettes: a Graphical Aid to the Interpretation and Validation of Cluster Analysis. Computational and Applied Mathematics, vol. 20, 1987. p. 53–65.
  6. Лукашин Ю.П. Адаптивные методы краткосрочного прогнозирования временных рядов. – М.: Финансы и статистика, 2003.
Статьи по теме
 
О проекте PsyJournals.ru

© 2007–2020 Портал психологических изданий PsyJournals.ru  Все права защищены

Свидетельство регистрации СМИ Эл № ФС77-66447 от 14 июля 2016 г.

Издатель: ФГБОУ ВО МГППУ

Creative Commons License Репозиторий открытого доступа     Рейтинг репозиториев Webometrics

Яндекс.Метрика